一种基于多核架构的免疫动态学习PSO的参数估计增强方法

物理参数的识别对于工业驱动系统的控制系统设计,状态监测和故障诊断至关重要。 本文将基于多核架构的并行计算技术和受生物启发的智能优化算法引入到系统参数估计模型的设计中。 在这项研究中,提出了一种采用免疫合作动态学习粒子群优化(PSO)算法和多核计算体系结构的并行实现方法,用于永磁同步电机(PMSM)参数估计。 讨论了三种新颖的策略,所有这些策略都是为了增强设计参数估计器的动态响应和快速收敛性能。 这些策略包括动态速度修改策略,基于免疫记忆的搜索信息保存机制以及基于免疫网络的PSO学习算子。最后,将一种提出的方​​法应用于PMSM的参数估计。以及在多核中央处理器(CPU)上并行运行。 结果表明,该方法可以有效地估计永磁同步电机的多个参数。 此外,通过使用多核并行计算技术,大大提高了所提出方法的计算效率,从而满足了驱动控制系统所需的实时响应。 所提出的方法是通用模型,可以应用于其他非线性参数识别系统,并且可以辅助系统的运行预测和状态观察。